突袭母狗家，喝完酒揍了一顿，该说不说，狗子厨艺有进步 #母狗# #女m# #调教# #纯实践# #强高# #母狗# #女m# #调教# #肛塞# #扇穴# #扇逼# #抽菊花# #扇奶# #打屁股# #小圈# #大圈# （因平台不能发完整版 完整版看置顶或评论区）

小罗伯特·肯尼迪的日常饮食习惯被曝光了。 方式极简甚至有些极端，效果却实打实的好。 他的日常三餐非常单一，长期坚持纯肉为主的吃法，主食只吃红肉，保证足量的高蛋白摄入。 除此之外，日常只会搭配各类发酵食物调理肠胃，无糖全脂有机酸奶、开菲尔发酵乳，还有凉拌卷心菜和各式腌菜，仅此而已。 这套饮食方案，源自肖恩·奥米拉博士的养生理念。 全程杜绝所有精加工食品，依靠天然肉类供给身体能量，再用发酵类食材维护肠道菌群健康。 吃法看着枯燥乏味，一般人很难坚持，但亲身实践过的人都表示，整个人的身心状态会发生质的提升。 简单粗暴地给饮食做减法，反而能换来绝佳的身体状态。 很多时候，我们的身体根本不需要繁杂的食物，越精简，越健康。

吴说获悉，Vitalik Buterin 发文表示，已再次向 Animal Welfare Fund（动物福利基金）捐赠 64 枚 ETH，并呼吁更多人关注动物福利。Vitalik 称，数十亿动物承受的痛苦并未被充分讨论，但仍是人类面临的重要问题；他对本世纪改善这一状况更乐观，原因包括养殖实践、合成替代品以及素食 / 纯素食品选择正在改善。

写了个基于cmux的Claude code 桌面弹窗 + 语音 双重通知脚本。 Claude Code 跑 Agent 最大的问题就在于：你不知道它什么时候干完了、也不知道它什么时候需要你进行approve。 开了个复杂任务，切出去看文档、写别的代码，过了十分钟回来一看，Agent 几分钟前就在那等你 approve 了，白等几分钟。 这种事一天能发生数十次。每次不多，累计下来一天丢掉半小时到一小时的纯等待时间。更难受的是心智负担，你得不断切回去瞄一眼，节奏全碎了。 为了解决这个问题，我加了个shell脚本作为cmux hook，能够通过桌面通知和语音提示 两个场景触发通知： - 会话暂停（等你 approval）→ 推一条 - 任务跑完 → 推一条 不在 cmux 里跑的时候自动跳过，零干扰。 已经加到我的 Claude Code 配置最佳实践仓库里了，一行安装直接带上： git clone && cd claude-code-config && bash

我对赛车了解很浅，但对人的兴趣很高，去年在程前那里看「从县城修车工到年入7亿的车企老板」，印象很深，这几天张雪在WSBK的夺冠消息刷屏，有种合订本的感觉。 这是一个纯血的中国剧本，不值一文的年轻人靠着勤奋聪明，打破所有的质疑和预期证明自己名利双收，很像短剧，然而胜在真实，这次的版本是，艺术固然源于生活，生活却会高于艺术。 不过我要说的也不是跟风赢吹输婊，而是中国制造业的「好处」可能还在被低估。 这么说可能有点奇怪，中国制造业的强大已经有太多材料佐证了，为什么还会认为它被低估了？ 最开始，制造业是承接就业人口的手段，是养活上亿劳动力的饭碗，以2012年的峰值来算，占到了22%以上的全国岗位，这也是张雪赤手空拳开始去重庆创业的年份。 然后你会发现，制造业是有产业带效应的，张雪一个地地道道的湖南人，为什么要去重庆造车，连我这个根本不懂摩托车的人都能理解，重庆出了很多摩托车品牌，比如力帆——感谢那些年看的甲A联赛——配套最齐全，当然适合造车啊。 产业带是集聚效应的成果，当一条产业的上下游工厂都开在「小时达」的接触半径后，所有的成本，包括显性的物流成本和隐性的沟通成本，都会大幅下降，这个时候再用秦晖老师的「低人权优势」去下判断，就解释不通了。 这也是生态的一种，就像黄仁勋放话说竞争对手的芯片哪怕免费出售也撼动不了英伟达的市场优势，姑且不去较真这句大话，他的意思其实是背靠CUDA用了20年经营出来的开发生态，重复造轮子的离开成本其实远远高过芯片本身的溢价成本。 于是就有再然后的，中国在贸易战里越打越顺的既成事实。 贸易战这个事情，颠覆了很多所谓的常识，这很正常，智慧的增长就是需要不断修正自己的认知，比如最经典的「买方市场论」，得罪甲方死路一条。 理论上当然没有任何问题，美国有世界上最强的消费市场，以及同等分量的议价权，供应商不听话，换一个就是，就是这么任性，对吧。 但实际上呢，脱钩喊了这么久，越来越雷声大雨点小，去年还把中国的贸易顺差干到了史无前例的万亿美金级别，不会真以为是穷得响叮当的南方国家填上了美国的市场吧，还不是转口贸易立大功。 如果说转口贸易是中国企业在钻空子，那么问题来了，如果美国本土没有消费需求，这转口也不可能成立啊，反过来也是一样，新加坡前几年最高时消化了英伟达超过28%的芯片出口，怎么，是新加坡人特别爱拿芯片泡酒喝吗？ 好用的东西，就是不愁卖，都是千年的狐狸，谁也别玩聊斋。 贸易没有输赢，它的本质是各取所需，印度、越南、印尼都尝试过要当中国的备份，但是仔细去看，除了承接中国产业链本就向外转移的那部分之外，能够自食其力的，很少。 到头来就是现在这么一个纳什均衡的状态，「任何单个参与者都无法通过仅改变自己的策略来获得更高的收益」，美国做不到，中国也做不到，大家继续按照比较优势的规律行动。 再往下讲，就是制造业对于工程师的培养能力，中国——或者说整个东亚——历史上是没有工程师文化的，这边更讲究以师徒相授的关系为底座的工匠文化，如果你们还记得的话，「工匠精神」还在中文互联网火过一阵子，幸好后来没被带偏。 工程师文化是舶来的，它也没有通过进入教育体系来从头塑造，完全基于繁荣的制造业和商业自下而上的开枝散叶，在这个语境里的工程师，也和老旧宣讲材料里的那些「张工」「李工」完全不一样了，是个人禀赋、致富回报、市场机会的叠加塑造。 张雪就是凭借他的手艺去重庆的，手艺怎么来的，早年自己修车，修熟了去车队当机械师，最后真当成了车手，用一线实践来指导产品研发，就这么一件事干了十年，到了26岁创业的时候，就会发现资源开始自动的围过来。 讲道理，如果把张雪这个名字抹掉，这个故事特别像我们从小看的日本或者美国传记文学，道奇兄弟不就是这么成功的吗，自小用废铁造自行车，逆向工程汽车轴承，从给福特供应零部件起家，翅膀硬了就做了自己的品牌。 以及帕卡德、戴尔、博斯⋯⋯事实证明，拥有强大的制造业传统，就是能够孕育出工程师的梯队，因为再离谱的设想都能在可控的成本里验证试错，而不是变成一摞摞的达芬奇手稿。 现在，我们要熟悉张雪这样的中国人名越来越多的出现在史册上了。 张雪说他到重庆后，第一个去的就是一个类似华强北的地方，按照自己的需求，2万块钱就攒出了一台车，用这台车换到了启动资金，公司做大之后，他要自己来做发动机，把精度从5丝压到3丝，也是能找到供应商实现这个要求。 苹果的CEO库克在电视采访里说过这么一段意思，苹果选择中国代工早就不是人力成本低这个原因了，在美国如果要开一个模具会议，能找来的工程师连一间办公室都坐不满，但在中国可以坐满好几个足球场。 你可以说他来中国出差是在舔市场，但不能质疑他作为一个供应链大佬的身份被选为CEO的资质和判断。 众所周知，制造业能为就业兜底，同时这种兜底，又能构建一套丰富的工程师梯队，从熟练技术工人，到中级技术专家，再到高级研发人才，更重要的是，这套体系有着充分的流动性，它和其他很多传统行业不一样，对生产资料的依赖很低。 张雪的身份就经历了多次的无缝切换，当他在湖南修车的时候，是底层小工，当他在车企打工时，是技术专家，当他自己创业，就是在用高级研发的本事去组队，他自己都说了，「大家开始习惯了，跟张雪一起去把事情干出来。」 最后，可能在很多人看来是微不足道的，但我觉得非常有意义的是，制造业的昌盛可以真的为所欲为，包括培养出一大批追随本心实现所谓「资产阶级趣味」的活人。 赛车运动就是其中之一，还有国产跑鞋这些年在马拉松赛事里的渗透，以及Hi-Fi是怎么从发烧友市场变成挑战大牌的，甚至连俞浩都属于这个范畴，他是中国最早的四旋翼无人机开发者，因为对马达技术感兴趣，「转行」干了扫地机器人⋯⋯ 「资产阶级趣味」的本质，是从心，也是自由，自由这个事吧，需要松弛和风险，在紧张的社会里是一种奢侈，但在一个乐观向上的环境里，它又是一个必需品。 某种意义上，张雪峰和张雪都代表了中国的多个棱面： 张雪峰为普通家庭降低选择的容错，用肉身撑起那条拿文凭换未来的轨道，如实告知你们承担不起自由这玩意儿。 而连高中都没上过的张雪又证明了，自由纵使不是免费的，但它却会为那些真正相信自己有才能的人打开大门，「我比别人努力十倍，成功凭什么不是我的？」 可以结果参差不齐，唯要机会公正平等，健康的制度就是要实现这个原则。 「有没有一种可能，张雪如果不是家庭条件那么差，父母没能力管他，现在也揣着某个二流大学的文凭在送外卖？」 是有这个可能。 但我觉得看过他的那些视频的人，都不会这么认为，眼里有光是装不出来的，也很难因为外力而自动熄灭。

写给所有 AI Coding 时代下迷茫的工程师： 上周团队里一个核心工程师跟我说要离职。他说失去了喜欢做工程的动力，没有了思考，解决问题，犯错，抓狂的晚上，没有痛苦之后找到那个东西的过程，没有成就感。他想转去医学或生物学领域。我为团队感到可惜，但挽留的话说不出口，我好像并没什么好办法帮他解决这个问题，个人层面甚至觉得他的决定也不错。 这引发了我的一些思考，人类工程师会是 AI 的奴仆吗？工程师会变成纯体力活吗？我决定写这篇文章，希望能给到迷茫的工程师同学们一些帮助。 2022 年 GPT 横空出世的时候打死我都没想过工程师会是第一波受冲击的物种。我们处在一个工作模式发生前所未有巨变的年代里，电子世界以一个 100 倍于现实世界速度的方式在冲击我们的世界观——资深程序员们不知道自己的对与错了，之前很多行之有效的经验不再是经验而变成了包袱；而年轻的程序员们完全没有积累经验的机会，被 AI 摧枯拉朽地冲击没有了自我。 作为一个程序员，作为一个自认为有工程师之心的程序员，我和 AI 交流的四年时间里一直在不断验证着我的信仰是错： 最开始 AI 只能在写脚本上产生帮助，我说：AI 写不了代码 后来 AI 能够辅助编程了，我说：它只能基于我的起始内容做补充。 再后来 AI 能做到函数级实现了，我说：架构还在我们掌握范畴内。 再后来 AI 连技术架构都不用我们做了，我说：AI 没办法承担责任，还得人来 review。 现在 AI 动不动几千几万行代码产生，我们发现连人的 review 都变成了整个组织的拖累，我们又开始讲品味、讲判断力。 那后面 AI 的品味、判断力比我们强呢？我们的价值在哪里？我们的意义在哪里？ AI 正在把大量的代码写出来，把大量的产品拼出来，逼迫着我们把传统的工作方式进行一遍又一遍地重构。世界进入了一个前所未有的量变积累过程，人类的想象力从未展现出如此的窘迫和枯竭，我们现在无法想象 AI 质变后技术的样子是什么。 但反过来，AI 好像也不知道。没有任何一个模型能自己产生诉求，自己主动选择方向。 01-软件工程师的方向 这不是安慰话。你去看今天最强的模型，它能写出任何你描述清楚的东西，但它不会自己走进一个房间说"这个产品缺一个东西"。它没有欲望，没有不满，没有"我觉得这里不对"的直觉。诉求来自人的欲望，方向来自人的不满足。AI 是引擎，但引擎不会自己决定去哪。 这意味着什么？意味着在整个量变堆积的过程中，真正稀缺的是知道该写什么的能力。这个"该写什么"不是需求文档，而是你在和 AI 反复交互的过程中，撞见的那些模型做不到的边界、那些需要人拍板的瞬间、那些让你突然觉得"这个方向不对"的时刻。 团队里最有价值的时刻，不是我们用 AI 写完了几万行代码，而是有人说"等等，这整个方向有问题"的时候。那个判断并不来自于模型，是来自一个人在这个领域与世界互动足够久之后形成的嗅觉。 所以新时代下工程师的意义在哪里呢？在你能不能在和 AI 的日常交互中，积累出那种"知道哪里不对"的感觉。这东西没有捷径，只有在场才会有。哪怕你是一个很渺小的人，哪怕你只是在自己的岗位上默默 coding，你和 AI 的每一次碰撞都在帮你逼近那个质变的点。 但前提是你还在。这个狭义软件工程技术的方向到底在哪里是需要我们工程师去探索，自己去寻找的。prompt、single agent、agent workflow、multi agents、agentic、context、harness 这些层出不穷的名词实际上都是我们在新世界上探索留下的脚印，未来说不定会是一个很渺小，在自己的岗位上默默 coding 的人，发现了和新世界交互的终局呢？我们每个人都有可能成为 AI 时代的哥伦布。而这个过程只有你不断和 AI 交互我们才能越来越清楚的。如果我们放弃了离开了这条线，就再也没有机会去发现了。甚至如果千千万万的工程师停滞自己放弃自己，那人类 AI Coding 质变的道路只会越来越长，大家在迷茫中探索的过程会越来越长。 02-工程师的方向 但我想说的不只是“软件工程师的方向”，而是“工程师的方向”。coding 正在变成像电力一样的东西。 电力刚出现的时候，"电力工程师"是最前沿的职业。后来电力变成了世界运行的底层基建，电力工程师这个头衔就不再性感了。但电力驱动出来的一千个新行业都依赖于电力的运作。而 AI coding 也是一样。它正在从一个专业技能，变成做任何事情的通用基础设施。 这意味着什么？意味着工程师能做的事变大了，不是变小了。 以前你只能在软件行业里写代码。现在你可以带着 AI coding 能力走进医疗、生物、材料、教育、法律——任何一个领域，用这个通用工具去解那个领域里从来没人用工程思维碰过的问题。事实上全球的工程师岗位机会是变多了的，因为每个行业都在发现：我需要一个"电力工程师"来搭建通往新世界的基座，每个流程都可以用 AI 重新做一遍。 回头看我们那个离职想去医学、生物学领域的同事，我现在不确定他是离开了牌桌，还是去了一张更大的牌桌。他带着优秀的工程能力和对 AI 的理解，走进了一个全新的疆域。也许他会在那里找到我们在软件行业里找不到的质变点。 所以"迷茫"这个感受是真的，但迷茫的根源可能不是"我没用了"，是我们还在用旧的尺度衡量自己——我写代码能不能比 AI 快？我的 review 还有没有价值？这些问题本身就问错了。该问的是：我能用这个工具去做什么以前做不了的事？ 我们不仅仅可以留在软件工程的牌桌上，而且还可以带着这个能力去更大的战场。AI coding 把工程师从"只能在软件行业写代码"这件事里释放出来了。我们面前的路不是更窄了，而是前所未有地宽。 03-新评估标准终将会到来 还有一层痛苦来自于：我们大部分人都是从高考走过来的，已经适应了在一个确定的评价体系下评估自己、评估别人。现在旧的考评标准失效了，新的还没出现。没有人告诉我们什么是对的了。你不知道自己做得好不好，不知道该往哪使劲，这种不可被评估的失重感比具体的技术挑战更让人难受。 这个新标准会从哪来？从我们自己的实践中来。企业在量变过程中跑出的现象、踩出的坑、发现的模式，最终会被提炼成新的分类和评估框架。但这件事的前提是有足够多的人还在跑、还在踩、还在发现。到那时候每个人都会更清楚自己该往哪走、该做什么。 我们所有工程师实际上是在一起探索 AI 时代下人类应该怎么和 AI 交互。这件事的战场不只在软件行业里，它在每一个领域。我们的迷茫一定是真的，但我们实际拥有的筹码比我们想象的值钱得多。 这篇文章送给 AI 时代下迷茫的所有工程师。执行壁垒归零并不是末日，电力出现的时候也没有人知道它会照亮整个世界。 祝福我们工程师能够找到那个质变的点是什么，也祝福我们那个想去 AI For Science 领域的同事！也许我们会在完全不同的地方，同时找到那个质变的点。到时候再碰一杯，说一声：很久不见！

最近提交ipo的ai芯片的新宠Cerebras火遍硅谷。 其芯片在小模型场景下，其推理速度最高可达 H100 的 20 倍；而超大规模模型（如 400B 参数量级），Cerebras CS-3 系统的单用户响应速度约为 B200 的 2.4 倍 那么cerebras究竟是如何做到的呢？ 它是否会成为英伟达杀手呢？ 我们需从算力演进的本质开始。 AI算力的演进，正在从“算力本身”转向“通信与系统结构”。在这条演进路径上，Cerebras Systems提供了一种完全不同的答案：不是优化分布式，而是尽可能消灭分布式。 一、两条路线：消灭通信 vs 优化通信 当前AI算力本质上分为两种架构哲学：一条是以NVIDIA为代表的路线： 多芯片（GPU），高速互连（NVLink / CPO），scale-out（横向扩展） 另一条是Cerebras路径：单芯片做到极限（wafer-scale） 片内网络替代跨节点通信，scale-up（纵向放大） 核心区别是：一条在解决“如何连接更多芯片”，另一条在解决“如何不需要连接”。 二、为什么这条路现在才成立 wafer-scale并不是新概念，80年代就有人尝试，90年代商业化失败。原因是： 良率无法承受 没有容错机制 软件无法支撑 行业因此形成共识：小die + 高良率 + 分布式。 Cerebras的突破在于三件事同时成立： 1）容错机制工程化 2）片上网络成熟 3）AI workload匹配（高并行，强同步，通信主导） 本质变化是：从“完美硬件”转向“可容错系统”。 三、性能对比：单点极限 vs 系统扩展 在通信层面，两条路线的优劣非常清晰： 1）片内通信 Cerebras：纯片内 → 延迟最低、能耗最低 CPO：仍有光电转换 → 单点效率：Cerebras更优 2）系统扩展 Cerebras：一旦跨芯片 → 回到通信问题 CPO：带宽可持续扩展 → 系统能力：CPO更优 3）功耗结构 Cerebras：单机功耗极高，但通信极省 GPU+CPO：单点功耗可控，系统效率更平衡 结论很明确： Cerebras赢“单机极限”， CPO赢“系统规模”。 四、适用场景：谁该用cerebras 判断标准可以简化为三个问题： 1）通信是否是瓶颈 2）任务是否可集中 3）结构是否规则 因此，高度适用于大模型训练（dense模型），超长上下文，及部分HPC（PDE、流体等） 这些任务的共性是强耦合 + 高同步 + 高带宽 部分适用于大模型推理（低并发），图计算（结构复杂时优势下降） 而不适用于CPU（通用计算），高并发推理，移动/边缘芯片，实时系统 这些系统的共性：不规则 / 高并发 / 低延迟 五、是否会变成主流 尽管Cerebras在特定场景极强，但主流不会走这条路，原因是： 1）物理约束：功耗密度；信号延迟→ 容错解决不了这些问题 2）经济性：小die良率更高；chiplet更灵活 3）产业路径：TSMC等体系优化方向是模块化，多客户复用而不是超大单体 4）需求侧变化：推理占比远高于训练，多任务、高并发成为主流 六、cerebras的意义 与其说wafer-scale尺寸是重要的趋势，不如说容错设计是会被广泛吸收的哲学 未来可能会出现chiplet级容错，封装级绕路 核心变化是单个硬件不再需要完美，系统负责兜底。 回到最初的问题：Cerebras会不会成为NVIDIA的“杀手”？ 答案其实已经很清楚。 它确实在一个关键点上击中了GPU体系的软肋——通信。但行业的选择，并不是非此即彼，而是多个技术突破同时采用：更强的互连、更低的通信能耗、更高的系统级效率。 因此，更准确的判断是Cerebras不是英伟达的杀手，而是英伟达及所有芯片公司可借鉴的最佳实践。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，投资风险巨大，入场需极度谨慎 （图：一个cerebas芯片）